離線OCR實(shí)測(cè)3個(gè)場(chǎng)景一條鏈路Umi-OCR把截圖、批量圖片與掃描PDF全拿下【免費(fèi)下載鏈接】Umi-OCROCR software, free and offline. 開(kāi)源、免費(fèi)的離線OCR軟件。支持截屏/批量導(dǎo)入圖片PDF文檔識(shí)別排除水印/頁(yè)眉頁(yè)腳掃描/生成二維碼。內(nèi)置多國(guó)語(yǔ)言庫(kù)。項(xiàng)目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR收件箱里又躺進(jìn)一份掃描版合同想引用其中一段條款全選、復(fù)制屏幕上只有一行無(wú)法從此PDF復(fù)制文字。網(wǎng)頁(yè)版識(shí)別站倒是能用可限大小、限次數(shù)更別提敏感文件得先上傳到別人的服務(wù)器。與其來(lái)回折騰不如在電腦里養(yǎng)一個(gè)本地離線OCR引擎。今天要聊的Umi-OCR就是這樣一款完全開(kāi)源的離線工具Windows、Linux都能跑解壓即用識(shí)別全程在本地完成圖片和文檔始終留在你的硬盤(pán)上。這篇文章不按功能清單流水賬而是順著我日常的使用鏈路來(lái)講收料 → 上量 → 攻堅(jiān) → 出貨恰好對(duì)應(yīng)截圖識(shí)別、批量圖片、掃描版PDF和結(jié)果整理這四件最常干的事。拿到工具從一個(gè)壓縮包開(kāi)始全程零安裝Umi-OCR是綠色軟件從項(xiàng)目發(fā)布頁(yè)下載.7z或.7z.exe自解壓包解壓到任意目錄就能啟動(dòng)Windows雙擊Umi-OCR.exeLinux執(zhí)行umi-ocr.sh。兩個(gè)小提醒目錄路徑盡量別帶中文和空格如果電腦裝了殺軟建議先把軟件目錄加進(jìn)白名單——它內(nèi)置本地OCR引擎和運(yùn)行庫(kù)部分殺軟會(huì)誤報(bào)提前加白能省掉后續(xù)為什么閃退的煩惱。第一次啟動(dòng)軟件會(huì)自動(dòng)跟隨系統(tǒng)語(yǔ)言切換界面。主體是幾個(gè)標(biāo)簽頁(yè)——截圖OCR、批量OCR、文檔識(shí)別、二維碼、全局設(shè)置跟瀏覽器標(biāo)簽欄一樣點(diǎn)哪個(gè)用哪個(gè)。鏈路第一環(huán) · 收料截屏識(shí)別把屏幕上的一切抓成字日常最高頻的動(dòng)作就是看到一段文字想立刻復(fù)制。切到截圖OCR標(biāo)簽頁(yè)按快捷鍵喚起截圖框劃出目標(biāo)區(qū)域識(shí)別結(jié)果馬上出現(xiàn)在右側(cè)記錄欄。實(shí)測(cè)下來(lái)有幾個(gè)習(xí)慣特別順手不截屏也能識(shí)別。在聊天窗口復(fù)制一張圖片回Umi-OCR直接粘貼照樣出文字憑空省一步。結(jié)果能二次編輯。識(shí)別錯(cuò)的字直接在記錄欄里改劃選多條記錄合并復(fù)制順手就把格式整理好了。豎排排版不慌。排版解析會(huì)自動(dòng)處理橫排和從右到左的豎排文本只要OCR引擎本身支持豎排即可。這一環(huán)解決的是隨抓隨用?？梢鞘掷飻€了幾百?gòu)垐D一張張截就太虧了得上第二環(huán)。鏈路第二環(huán) · 上量幾百?gòu)垐D片拖進(jìn)去剩下的交給它批量OCR標(biāo)簽頁(yè)支持把圖片直接拖進(jìn)窗口jpg、png、webp、bmp、tif、tiff常見(jiàn)格式都認(rèn)一次拖幾百?gòu)垱](méi)有數(shù)量上限。我實(shí)測(cè)過(guò)一回三百多張課程截圖一起丟進(jìn)去全程不到兩分鐘跑完右側(cè)逐張顯示耗時(shí)、置信度和識(shí)別結(jié)果。跑完之后結(jié)果可以按需導(dǎo)出成txt、jsonl、md、csv四種格式csv用Excel直接打開(kāi)做資料歸檔非常順。它還照顧到了深夜掛機(jī)場(chǎng)景——任務(wù)結(jié)束后支持自動(dòng)關(guān)機(jī)或待機(jī)圖扔進(jìn)去睡一覺(jué)起來(lái)結(jié)果已經(jīng)在文件夾里等著了。v2.1.2起還支持任務(wù)中途暫停軟件不退出就能接著跑。批量識(shí)別有個(gè)高頻痛點(diǎn)圖片角落的水印、LOGO、頁(yè)眉頁(yè)腳每次都混進(jìn)結(jié)果里還得人工刪。Umi-OCR的忽略區(qū)域功能就是為這個(gè)設(shè)計(jì)的——在右側(cè)設(shè)置里進(jìn)入忽略區(qū)域編輯器按住右鍵在圖上畫(huà)出矩形框把水印可能出現(xiàn)的位置全部框住識(shí)別時(shí)這些區(qū)域自動(dòng)排除。做學(xué)術(shù)論文批量轉(zhuǎn)換時(shí)把統(tǒng)一的頁(yè)眉頁(yè)腳一次框掉輸出立刻干凈很多。這里有個(gè)機(jī)制必須記住只有完全處于矩形框內(nèi)部的整個(gè)文本塊才會(huì)被忽略不是單個(gè)字符。所以框畫(huà)得大一點(diǎn)總沒(méi)錯(cuò)把水印可能出現(xiàn)的位置全包住漏框一次結(jié)果里就會(huì)混進(jìn)一行雜音。鏈路第三環(huán) · 攻堅(jiān)掃描版PDF翻新成能搜索能復(fù)制的文檔如果說(shuō)前兩環(huán)是熱身文檔識(shí)別才是重頭戲。它支持pdf、xps、epub、mobi、fb2、cbz六種格式掃描版PDF是最典型的應(yīng)用場(chǎng)景。工作方式可以一句話(huà)說(shuō)清先把PDF拆開(kāi)區(qū)分出本來(lái)就有的文本層和需要識(shí)別的掃描圖片層掃描頁(yè)交給本地引擎逐頁(yè)認(rèn)字最后再按閱讀順序拼回去。其中兩個(gè)點(diǎn)讓我印象最深雙層可搜索PDF。對(duì)掃描件做完OCR輸出底層原圖、上層透明文字的雙層PDF外觀和原掃描件一模一樣但文字可以搜索、復(fù)制、劃線。給公司做歷史合同歸檔、給學(xué)校做論文數(shù)字化這個(gè)功能都能直接頂上去。靈活的提取模式。默認(rèn)優(yōu)先提取PDF自帶的文本層速度快、零識(shí)別誤差只有遇到純掃描頁(yè)才自動(dòng)切到OCR你也可以主動(dòng)選整頁(yè)強(qiáng)制OCR或反過(guò)來(lái)只提取原文本。v2.1.2起還能輸出單層純文本PDF想要體積小、好編輯的文件就選它。文檔識(shí)別同樣支持忽略區(qū)域而且能按頁(yè)碼范圍設(shè)置專(zhuān)門(mén)用來(lái)排除掃描件的頁(yè)眉頁(yè)腳。另外提醒一句如果掃描件本身旋轉(zhuǎn)過(guò)方向務(wù)必用最新版本v2.1.5修復(fù)了PDF頁(yè)面旋轉(zhuǎn)導(dǎo)致的文本錯(cuò)位問(wèn)題。鏈路第四環(huán) · 出貨排版方案與多語(yǔ)言讓結(jié)果像人排的OCR引擎吐出來(lái)的文字往往是散裝的誰(shuí)先誰(shuí)后得看排版解析怎么安排。Umi-OCR內(nèi)置了多套預(yù)設(shè)方案選對(duì)方案輸出才符合閱讀習(xí)慣方案適合場(chǎng)景多欄-按自然段換行兩欄/三欄論文、書(shū)籍自動(dòng)斷行最常用多欄-總是換行每句獨(dú)立成行方便后續(xù)按行處理多欄-無(wú)換行整段強(qiáng)制合并成一行單欄-按自然段換行單欄文檔段落自然換行單欄-保留縮進(jìn)代碼截圖專(zhuān)用保留行首縮進(jìn)和行中空格不做處理OCR引擎原始輸出不做任何整理單欄-保留縮進(jìn)值得單獨(dú)表?yè)P(yáng)把代碼截圖扔進(jìn)去輸出能基本保持縮進(jìn)結(jié)構(gòu)配合截圖識(shí)別寫(xiě)文檔時(shí)抄代碼能省太多事。要是拿不準(zhǔn)選哪個(gè)直接上多欄-按自然段換行準(zhǔn)沒(méi)錯(cuò)它能覆蓋大多數(shù)場(chǎng)景。順帶分清兩件事界面語(yǔ)言和識(shí)別語(yǔ)言庫(kù)是兩碼事。前者管按鈕菜單長(zhǎng)什么樣后者管OCR引擎認(rèn)哪種文字。比如界面用中文、日常識(shí)別日文書(shū)籍二者完全可以搭配使用。界面語(yǔ)言在全局設(shè)置 → 語(yǔ)言/Language切換識(shí)別語(yǔ)言在各標(biāo)簽頁(yè)的文字識(shí)別設(shè)置里單獨(dú)選擇或下載。順手?jǐn)Q的三個(gè)旋鈕大圖、內(nèi)存與渲染器用久了會(huì)遇到三類(lèi)問(wèn)題每個(gè)都對(duì)應(yīng)一個(gè)旋鈕長(zhǎng)圖識(shí)別不完整→ 調(diào)高限制圖像邊長(zhǎng)。默認(rèn)邊長(zhǎng)限制是為了平衡速度與內(nèi)存遇到像素特別大的長(zhǎng)截圖適當(dāng)調(diào)高數(shù)值即可。注意別盲目放大原圖過(guò)度放大會(huì)增加噪聲反而拉低準(zhǔn)確率。內(nèi)存占用偏高→ 用PaddleOCR插件的話(huà)v2.1.4起默認(rèn)把內(nèi)存占用限制在系統(tǒng)總內(nèi)存一半以?xún)?nèi)想進(jìn)一步壓去插件配置里調(diào)低線程數(shù)。截屏閃爍或界面錯(cuò)位→ 多半是顯卡渲染兼容問(wèn)題去全局設(shè)置 → 界面和外觀 → 渲染器切換渲染方案或直接關(guān)硬件加速通常能解決。折騰黨通道命令行、HTTP接口與引擎切換圖形界面對(duì)多數(shù)人已經(jīng)夠用但想把它嵌進(jìn)自己的自動(dòng)化流程還有兩條程序化通道。命令行模式的入口就是主程序本身幾個(gè)常用姿勢(shì)# 截屏識(shí)別結(jié)果直接進(jìn)剪貼板 umi-ocr --screenshot --clip # 識(shí)別指定圖片結(jié)果輸出到文件 umi-ocr --path D:/掃描件.png --output result.txt # 識(shí)別整個(gè)文件夾含子目錄 umi-ocr --path D:/scans -- all_result.txt # 生成二維碼 umi-ocr --qrcode_create 你好Umi-OCR D:/qrcode.png 256配合快捷鍵工具還能實(shí)現(xiàn)按一個(gè)鍵自動(dòng)截指定屏幕區(qū)域并識(shí)別的操作。完整參數(shù)和簡(jiǎn)寫(xiě)規(guī)則見(jiàn)項(xiàng)目?jī)?nèi)命令行手冊(cè) docs/README_CLI.md。HTTP接口軟件啟動(dòng)后本地HTTP服務(wù)提供OCR、文檔識(shí)別、二維碼等接口文檔在 docs/http/api_doc.md。幾十行代碼就能封裝成局域網(wǎng)小工具實(shí)現(xiàn)上傳圖片 → 返回JSON識(shí)別結(jié)果。服務(wù)默認(rèn)只監(jiān)聽(tīng)本地環(huán)回、不經(jīng)過(guò)物理網(wǎng)卡數(shù)據(jù)不會(huì)外泄。引擎方面軟件內(nèi)置Rapid-OCR兼容性好與PaddleOCR速度快一些雙引擎全局設(shè)置里隨時(shí)切換項(xiàng)目還有獨(dú)立插件庫(kù)支持?jǐn)U展更多OCR引擎。寫(xiě)在最后下次再收到掃描版PDF或者文件夾里躺著一堆帶水印的截圖別再對(duì)著網(wǎng)頁(yè)上傳鍵猶豫了。解壓、打開(kāi)、框選——你的電腦本來(lái)就有能力自己讀這些字Umi-OCR只是把那把剪刀遞到了你手里。把圖喂給它然后起身接杯水回來(lái)拿結(jié)果這大概就是離線OCR最舒服的樣子?！久赓M(fèi)下載鏈接】Umi-OCROCR software, free and offline. 開(kāi)源、免費(fèi)的離線OCR軟件。支持截屏/批量導(dǎo)入圖片PDF文檔識(shí)別排除水印/頁(yè)眉頁(yè)腳掃描/生成二維碼。內(nèi)置多國(guó)語(yǔ)言庫(kù)。項(xiàng)目地址: https://gitcode.com/GitHub_Trending/um/Umi-OCR創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考